基于决策树方法的县级土壤数字制图研究

论文摘要

土壤是人类农业生产的基础,在地球化学循环中起着重要作用。土壤信息是土地管理和环境模型的基本参数。全面了解土壤特性有利于开展环境保护、农业生产和土地资源的合理利用。近年来,随着精准农业的快速发展、计算机与“3S”技术的不断提高,土壤数字制图逐渐受到重视,极大的提高了土壤调查的效率。决策树方法着眼于从一组无次序、无规则的事例中推理出树形分类规则,它能直观、清晰地表达变量间的关系,适合应用于土壤数字制图工作。本研究选用多个环境因子,采用C4.5算法获得土壤环境因子和土壤有机质分布的决策树规则,以有限的样点个数预测研究区域的土壤类型和土壤有机质空间分布。具体内容及主要结论如下：（1）土壤类型或土壤有机质分布与各种环境因子有着密切的关系。本研究采用C4.5算法,计算土壤类型-环境因子和土壤有机质-环境因子之间的关系,分别得到它们的决策树模型。（2）以土壤发生理论为基础,选用了土地利用分类、地质类型、高程、坡度、坡向、平面曲率、坡面曲率以及由TM影像中提取的归一化植被指数（NDVI）、归一化湿度指数（NDWI）和土壤颜色指数（SCI）10种环境因子对研究区土壤土类类型进行预测制图,并对预测结果精度进行评价和误差分析。精度评价结果表明土壤类型预测总体精度为70.5%,其中红壤和水稻土的评价精度高于其他三种土壤类型。（3）以富阳市耕地地力评价普查采样点为训练样本,选用了土地利用分类、地质类型、土壤类型、地形因子、遥感因子为景观参数,分析单个环境因子对土壤有机质分布的影响。并采用决策树方法,根据获得的土壤有机质-环境因子规则进行土壤有机质数字制图。精度评价结果表明土壤有机质总体精度为67.0%,符合一般数字制图的需求。（4）采用普通克里格、逆距离插值和以高程为辅助参量的协同克里格三种空间插值方法对研究区土壤有机质等级空间分布进行预测,结果精度分别为49.5%、50.5%和52.4%。高程对土壤有机质的预测精度有一定的促进作用。与决策树模型下生成的土壤有机质等级分布图进行结果比较发现,空间插值方法能更直观地显示研究区的土壤有机质总体分布趋势,但缺少有机质分布的细节和变化趋势的展示。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 图目录
• 表目录
• 1 绪论
• 1.1 选题依据
• 1.2 土壤数字制图国内外研究进展
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 研究目的
• 1.4 研究内容及技术路线
• 1.4.1 研究内容
• 1.4.2 技术路线
• 2 研究方法和研究区域
• 2.1 研究方法
• 2.1.1 决策树基本概念
• 2.1.2 基于决策树的数据分类算法及其性能
• 2.2 研究区域
• 3 数据获取和信息提取
• 3.1 土壤有机质数据
• 3.2 土壤类型
• 3.3 土地利用类型
• 3.4 地质类型
• 3.5 地形因子数据
• 3.6 遥感辅助数据
• 3.6.1 遥感影像预处理
• 3.6.2 信息提取
• 4 土壤类型数字制图
• 4.1 理论基础
• 4.2 土壤类型制图
• 4.2.1 环境因子选择
• 4.2.2 单个环境因子与土壤类型的关系
• 4.2.3 决策树分类结果
• 4.2.4 分类精度评价
• 4.3 误差讨论
• 5 土壤有机质制图
• 5.1 基于决策树的土壤有机质制图
• 5.1.1 丘陵地区上壤有机质制图
• 5.1.2 平原地区土壤有机质制图
• 5.1.3 分类精度评价
• 5.1.4 误差分析
• 5.2 基于地统计方法的土壤有机质数字制图
• 6 结论与展望
• 6.1 结论
• 6.2 问题与展望
• 参考文献
• 攻读硕士期间发表的论文